← 返回
一种基于电化学老化机理的锂离子电池健康状态估计数据驱动方法
An Electrochemical Aging-Informed Data-Driven Approach for Health Estimation of Lithium-Ion Batteries With Parameter Inconsistency
| 作者 | Shuxin Zhang · Zhitao Liu · Yan Xu · Guangwei Chen · Hongye Su |
| 期刊 | IEEE Transactions on Power Electronics |
| 出版日期 | 2025年5月 |
| 技术分类 | 储能系统技术 |
| 技术标签 | 储能系统 电池管理系统BMS 机器学习 深度学习 |
| 相关度评分 | ★★★★★ 5.0 / 5.0 |
| 关键词 | 健康状态 (SOH) 锂离子电池 电化学模型 深度学习 参数不一致性 电池管理系统 |
语言:
中文摘要
准确估计锂离子电池的健康状态（SOH）对保障系统安全与可靠性至关重要。本文提出了一种融合物理电化学模型与深度学习的数据驱动方法，旨在解决电池参数不一致性带来的SOH估计难题，提升电池全生命周期的健康管理精度。
English Abstract
Accurate estimation of the state of health (SOH) for lithium-ion batteries is crucial for maintaining their safety, reliability, and sustainability. This article presents an electrochemical aging-informed data-driven approach for battery SOH estimation by integrating physics-based electrochemical model with deep learning model. In addition, electrochemical parameter inconsistencies resulting from ...
S
SunView 深度解读
该技术对阳光电源的储能业务（PowerTitan、PowerStack及ST系列PCS）具有极高价值。目前储能系统规模化应用中，电池组内参数不一致性是影响系统寿命与安全的核心痛点。通过将电化学机理与深度学习结合，可显著提升iSolarCloud平台对储能电站的SOH监测精度，实现更精准的电池寿命预测与故障预警。建议将此算法集成至BMS核心算法库中，优化充放电策略，从而提升PowerTitan等大型储能系统的全生命周期经济性，并为电网侧储能的调峰调频业务提供更可靠的运行支撑。